一口气学完《三体 I》,拍张照就能让AI开发应用,这是钉钉「/」的首份开箱评测(1)

简介: 一口气学完《三体 I》,拍张照就能让AI开发应用,这是钉钉「/」的首份开箱评测

科幻电影《银翼杀手》中有一个经典片段:男主角 Rick Deckard 为了追踪目标嫌疑人,需要在屏幕上放大一张照片。但是,他并没有使用鼠标,而是通过自然对话的形式向显示器下达了口头命令。



这个电影上映于 1982 年,距今已经 41 年。在这四十多年的时间里,通过语言控制设备已经逐步变成了现实。起初,机器能够听懂的语言只是简单的「打开电视」「放大声音」…… 如今,这一范围扩大到了各种复杂指令。人们的生活、生产方式都在被 AI 重塑。


过去,如果你想写一篇营销策划,你可能先要阅读冗长的产品材料,把自己手动提炼的要点编辑出来,然后整理成一篇策划案。但如今,这些工作都被一条「/」简化了。


这个「/」来自钉钉。在前段时间的发布会中,我们看到了关于它的现场演示,比如图文创作、摘要提取、应用开发、专属问答机器人…… 覆盖多个行业的多个工作场景,因此很多人也叫它「魔法棒」。

那么,这个「魔法棒」到底好不好用?在拿到钉钉斜杠「/」的邀请码后,机器之心进行了开箱评测。


此次评测的内容包括多个方面,比如文档编辑能力(文生文、文生图、文生表格)、聊天消息摘要、应用开发、问答机器人等。评测的目的在于验证钉钉斜杠"/"这根「魔法棒」的实际使用体验是否符合之前 demo 和现场演示给人的预期,是否真能提高生产环境工作效率。


文档编辑:文字、表格生成游刃有余,图像生成仍需努力


文档是大部分工作者每天都要打交道的内容,涉及文生文、文生图、文生表格等实用方向。


在这部分测评中,考虑到钉钉服务于产业的性质,我们以一个具体的行业场景切入,看看钉钉能不能在实际业务中帮上忙。


假设我们要开一家奶茶店,但起初,我们并不清楚具体的准备过程。于是,我们新建了一个文档。输入「/」,文档界面弹出「向智能助手提问」的魔法棒。



点击这个魔法棒,我们可以看到它的各种用法,包括头脑风暴、写营销策划、职位描述、竞品分析、产品说明、合同等等。



如果你不确定自己的问题属于哪一类,直接在输入框中提问也是可以的。


第一个问题是:开一家奶茶店要做哪些准备工作?单击回车,魔法棒一口气列出了九条准备事项:



不过,这些条目并不详细,于是我们要求魔法棒继续写。可以看出,在续写的内容中,魔法棒补充了很多细节。



对于开店准备阶段的 SWOT 分析、营销方案撰写,魔法棒也能毫不费力地应对。这些内容足以让开店小白对即将要做的事情有一个基本概念。




入门之后,我们尝试用「魔法棒」生成一些实施过程中可能用到的材料,比如表格、宣传画。


首先,我们尝试让「魔法棒」罗列一个设备采购表格。可以看出,它可以自动给出需要采购的设备种类以及需要记录的相关信息(型号、数量、单价、总价等)。如果在生成结束后选择「继续写」,这个表格还可以继续扩展,帮我们进一步打开思路。



接下来,我们尝试生成一张宣传画:



可以看到,在文生图功能中,魔法棒通常会生成四幅图像供我们选择。我们可以选择其中一幅,也可以全选。作为国内首个将文生图落地到应用上的生产力工具,钉钉魔法棒在测试中的表现确实带来了一些惊喜。





不过,在生成的图像中,我们也发现了一些问题,比如某些风格总是生成失败(如水墨画)、图像中包含一些没有意义的文字、无法定制自己想要的文字等等。这会给使用者带来一些麻烦。




所以,总体来看,在文档编辑这类场景中,文生文、文生表格相对来看比较成熟,在提升生产效率方面成效比较显著。但文生图功能尚不稳定,有种「抽卡」的感觉。不过,相比于 Midjouney 等效果更好的文生图 AI 模型,钉钉「魔法棒」的 prompt 可以更简单,结合工作中的高频场景,使用起来也更方便。


聊天摘要:消除了「爬楼痛苦」,但也偶有瑕疵


在工作中,我们可能经常遇到这种场景:一小时没打开工作软件,群里的未读消息就堆积到了「99+」。为了避免错过重要信息,我们往往要花一段时间「爬楼」,从大量消息中筛选有用的、和自己相关的信息。


但现在,我们只需要在聊天框中输入「/」,「魔法棒」就可以自动把上百条信息总结出来。



同样以开奶茶店为例。假设我们在群里聊了一些开店事宜,聊天结束后想把重要信息总结下来。



在最后一个人发言结束后,输入「/」,选择「智能摘要」,魔法棒开始自动整理。



几秒钟后,「魔法棒」给出生成结果:



可以看出,「魔法棒」基本把三个人聊天的要点摘了出来,而且把最后的任务划分整理得非常清楚。


不过,在整理另外两轮的对话时我们也发现了一些问题,比如摘要过于笼统且无法以对话的形式进行修改、内容与发言人不匹配等。



比如在下面这个闲聊的例子中,「并称其为编辑部厨艺第二好的同学」主语应该是二狗。



此外,目前的「智能摘要」功能仅支持 1000 字以内的对话,如果讨论内容比较长,信息会有所损失。不过我们咨询钉钉同学后了解到,还好它选取消息范围的设定是「自后往前」,这也是为了防止实际使用中,由于前列消息占了大头,导致多次生成的效果会重复。这应该是一种工程化上的设计。


所以,总体来看,钉钉「魔法棒」的聊天消息摘要功能无论在闲聊还是工作相关的群聊中都能发挥一定作用,帮群聊成员省去总结、「爬楼」的时间。当然,该功能目前生成的内容也偶有瑕疵。



相关文章
|
6天前
|
机器学习/深度学习 人工智能 自然语言处理
AI技术深度解析:从基础到应用的全面介绍
人工智能(AI)技术的迅猛发展,正在深刻改变着我们的生活和工作方式。从自然语言处理(NLP)到机器学习,从神经网络到大型语言模型(LLM),AI技术的每一次进步都带来了前所未有的机遇和挑战。本文将从背景、历史、业务场景、Python代码示例、流程图以及如何上手等多个方面,对AI技术中的关键组件进行深度解析,为读者呈现一个全面而深入的AI技术世界。
53 10
|
6天前
|
人工智能 数据库 自然语言处理
拥抱Data+AI|DMS+AnalyticDB助力钉钉AI助理,轻松玩转智能问数
「拥抱Data+AI」系列文章由阿里云瑶池数据库推出,基于真实客户案例,展示Data+AI行业解决方案。本文通过钉钉AI助理的实际应用,探讨如何利用阿里云Data+AI解决方案实现智能问数服务,使每个人都能拥有专属数据分析师,显著提升数据查询和分析效率。点击阅读详情。
拥抱Data+AI|DMS+AnalyticDB助力钉钉AI助理,轻松玩转智能问数
|
6天前
|
机器学习/深度学习 人工智能 算法
探索AI在医疗诊断中的应用与挑战
【10月更文挑战第21天】 本文深入探讨了人工智能(AI)技术在医疗诊断领域的应用现状与面临的挑战,旨在为读者提供一个全面的视角,了解AI如何改变传统医疗模式,以及这一变革过程中所伴随的技术、伦理和法律问题。通过分析AI技术的优势和局限性,本文旨在促进对AI在医疗领域应用的更深层次理解和讨论。
|
2天前
|
人工智能 算法 搜索推荐
《主动式智能导购AI助手构建》解决方案评测
《主动式智能导购AI助手构建》解决方案评测
29 18
|
2天前
|
机器学习/深度学习 人工智能 自然语言处理
AI在自然语言处理中的突破:从理论到应用
AI在自然语言处理中的突破:从理论到应用
36 17
|
2天前
|
人工智能 Serverless API
尽享红利,Serverless构建企业AI应用方案与实践
本次课程由阿里云云原生架构师计缘分享,主题为“尽享红利,Serverless构建企业AI应用方案与实践”。课程分为四个部分:1) Serverless技术价值,介绍其发展趋势及优势;2) Serverless函数计算与AI的结合,探讨两者融合的应用场景;3) Serverless函数计算AIGC应用方案,展示具体的技术实现和客户案例;4) 业务初期如何降低使用门槛,提供新用户权益和免费资源。通过这些内容,帮助企业和开发者快速构建高效、低成本的AI应用。
32 12
|
1天前
|
人工智能 自然语言处理 监控
解决方案评测:主动式智能导购AI助手构建
作为一名数据工程师,我体验了主动式智能导购AI助手构建解决方案,并进行了详细评测。该方案通过百炼大模型和函数计算实现智能推荐与高并发处理,部署文档详尽但部分细节如模型调优需改进。架构设计清晰,前端支持自然语言处理与语音识别,中间件确保实时数据同步。生产环境部署顺畅,但在系统监控方面可进一步优化。总体而言,该方案在零售行业具有显著应用潜力,值得尝试。
26 17
|
2天前
|
人工智能 算法 搜索推荐
《主动式智能导购AI助手构建》解决方案用户评测
《主动式智能导购AI助手构建》提供了详尽的文档支持,涵盖环境准备、配置项设置等,配有图表和实例代码,适合新手上手。部署中遇到环境变量设置和网络连接问题,通过官方文档与技术支持解决。建议增加FAQ内容及错误日志说明。该方案采用Multi-Agent架构,结合百炼大模型和函数计算,实现精准推荐和高效响应。生产环境部署指导基本满足需求,但需加强异常处理指导。整体而言,此解决方案创新实用,推动电商领域发展。
|
1天前
|
JSON 分布式计算 数据处理
加速数据处理与AI开发的利器:阿里云MaxFrame实验评测
随着数据量的爆炸式增长,传统数据分析方法逐渐显现出局限性。Python作为数据科学领域的主流语言,因其简洁易用和丰富的库支持备受青睐。阿里云推出的MaxFrame是一个专为Python开发者设计的分布式计算框架,旨在充分利用MaxCompute的强大能力,提供高效、灵活且易于使用的工具,应对大规模数据处理需求。MaxFrame不仅继承了Pandas等流行数据处理库的友好接口,还通过集成先进的分布式计算技术,显著提升了数据处理的速度和效率。
|
6天前
|
消息中间件 人工智能 搜索推荐
《主动式智能导购AI助手构建》解决方案评测
一文带你了解《主动式智能导购AI助手构建》解决方案的优与劣
55 16
下一篇
DataWorks